IV.5Образование и развитие навыков

menik1126/ovd-math-1-data-full-step300-historical — чекпойнт из коллекции OVD: исторический вариант эксперимента «1-data full», шаг 300. Репозиторий содержит веса для инференса и токенизатор; модель дообучена на базе Qwen/Qwen2.5-Math-1.5B и использует архитектуру Qwen2ForCausalLM с 1,5 млрд параметров. Модель предназначена для генерации текста, в том числе решений математических задач. Контекст — до 4096 токенов. Базовая Qwen2.5-Math-1.5B рассчитана на математические задачи на английском и китайском языках; README не уточняет языки и качество именно этого экспериментального чекпойнта. Данных о лицензии в предоставленных источниках нет.

Qwen2.5-3B Math SFT 203 — чат-модель Veritasium на архитектуре Qwen2, полученная дообучением Qwen/Qwen2.5-3B-Instruct с помощью completion-only LoRA и supervised fine-tuning. Модель предназначена для генерации математических рассуждений и целочисленных ответов в формате текста; обучающий набор включал 203 проверенных примера с математическими решениями, каждый из которых завершался ответом в формате \boxed{answer}. Модель содержит 3,1 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM и поддерживает контекст до 32 768 токенов. В метаданных указана библиотека Transformers и формат safetensors. Доступны сведения о математических данных обучения, но не о поддерживаемых естественных языках или результатах оценки качества, поэтому способность решать задачи за пределами описанного набора не установлена. Лицензия обозначена как other; конкретные условия использования следует сверить с карточкой модели.

Qwen2.5-Math-7B-Instruct-GGUF — GGUF-квантизированные версии инструкционной языковой модели Qwen2.5-Math-7B-Instruct, разработанной командой Qwen. Квантизация выполнена bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста в диалоговом формате, прежде всего для решения математических задач и связанных с ними сценариев. В README указана поддержка английского языка и формат применения text-generation. Доступны варианты от F16 до низкобитных форматов Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и Q2_K, включая варианты, оптимизированные для ARM. Размер файлов составляет примерно от 3,55 до 15,24 ГБ, что позволяет выбирать баланс между качеством, требованиями к памяти и скоростью локального запуска; поддерживается использование в llama.cpp и LM Studio. Более агрессивная квантизация экономит память, но может снижать качество ответов, особенно у форматов с малым числом бит. Архитектура, размер контекста и дополнительные модальности в README не указаны. Модель распространяется по лицензии Apache 2.0.

Qwen2-Math-72B — базовая языковая модель для математических задач из серии Qwen2-Math, разработанной командой Qwen. Модель предназначена для дополнения текста, решения арифметических и математических задач, а также многошаговых рассуждений; её можно использовать для few-shot-инференса или как основу для дальнейшего дообучения. Для диалогового режима предназначена отдельная версия Qwen2-Math-72B-Instruct. Модель имеет плотную архитектуру Qwen2ForCausalLM и около 71,5 млрд параметров. Она принимает текст и генерирует текст, поддерживает английский язык; контекст составляет 4096 токенов. В карточке указана лицензия other, поэтому условия использования следует проверять в сопровождающих материалах проекта. Основное ограничение — преимущественная поддержка английского языка; модель ориентирована на математику, а не на широкий круг повседневных задач.

SeongryongJung/qwen3-8b-chemistry-srpo-ema005 — дообученная языковая модель на архитектуре Qwen3 с 7,6 млрд параметров, созданная на базе Qwen/Qwen3-8B методом SRPO с EMA-обновлением учителя. Она предназначена для генерации текста и решения задач по химии; в README приведена оценка на валидации chemistry: mean@16 80,48% на шаге 100. Опубликован последний чекпойнт global_step_100 в формате Transformers Safetensors; указано контекстное окно 40 960 токенов. Базовая модель поддерживает несколько языков, однако язык и состав химического датасета здесь не уточнены. Модель можно использовать для ответов на химические вопросы и генерации рассуждений или решений по химическим задачам. Оценка отражает результат валидации с 16 сэмплами и не гарантирует аналогичного качества в других задачах или на иных данных. Лицензия — Apache-2.0.

SeongryongJung/Qwen3-8B-Chemistry-SRPO-TR — дообученная версия языковой модели Qwen3-8B, созданная для химических задач методом SRPO-TR. В репозитории размещён лучший и одновременно финальный чекпойнт, выбранный по валидационной метрике mean@16; для набора Chemistry указано значение 73,63%. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 7,6 млрд параметров и принимает контекст до 40 960 токенов. Модель предназначена для генерации текста и решения задач по химии. Она основана на многоязычной Qwen3-8B, предназначенной для диалога, рассуждений, следования инструкциям, кода и вызова инструментов, однако README сообщает только о химическом обучении и не приводит перечня поддерживаемых языков или подробной оценки отдельных сценариев. Весы доступны в формате safetensors для загрузки через Transformers. Лицензия — Apache-2.0.

vukpetar выпустил TrOCR Small, модель распознавания математических выражений на изображениях, дообученную на Synthetic Math Expression Dataset. Она предназначена для преобразования изображений с формулами в текстовую запись; также исходную модель TrOCR можно применять для распознавания одной строки текста на изображении. Модель использует архитектуру encoder-decoder: Transformer обрабатывает изображение как последовательность патчей размером 16×16, а Transformer-декодер авторегрессионно генерирует текст. Энкодер инициализирован весами BEiT, декодер — RoBERTa. Репозиторий содержит веса PyTorch и поддерживает зрительный ввод с текстовым выводом. Это специализированный вариант для синтетических математических выражений; точность на реальных рукописных формулах или иных типах изображений в карточке не описана. Лицензия в предоставленных данных не указана.

AceGPT-13B — модель генерации текста на 12,9 млрд параметров, разработанная исследователями School of Data Science CUHKSZ, Shenzhen Research Institute of Big Data и KAUST. Это полностью дообученная плотная модель архитектуры LLaMA 2, предназначенная для работы с арабским языком; данный репозиторий содержит базовую версию AceGPT, а не диалоговую разновидность AceGPT-chat. Модель принимает текст и генерирует текст. В карточке приведены результаты оценки на арабских бенчмарках MMLU и EXAMs; модель подходит для генерации ответов и решения текстовых задач на арабском языке. Контекст — 2048 токенов. Доступна в формате PyTorch по лицензии Apache-2.0. Ограничения: модель ориентирована прежде всего на арабский язык, а результаты из карточки относятся к указанным академическим бенчмаркам и не гарантируют качество в других сценариях. Контекст ограничен 2048 токенами.

tropa-mini — англоязычный классификатор текстов, выпущенный wasitaigenerated.com для определения текстов, созданных большими языковыми моделями, отредактированных ИИ или написанных человеком. Модель дообучена на desklib/ai-text-detector-v1.01 и использует архитектуру DeBERTa-v3; метаданные указывают 533,8 млн параметров и контекст до 512 токенов. В README заявлена работа на CPU и классификация по четырём категориям: человеческий текст, необработанный вывод LLM, текст человека после правки LLM и очеловеченный ИИ-текст. Модель предназначена для проверки эссе, документов и других англоязычных текстов на признаки генерации или редактирования ИИ. В README приведены результаты на публичных наборах данных, включая ROC-AUC 0,968 и полноту 93,2% для обычного ИИ-текста при уровне ложных срабатываний 0,5%; эти показатели относятся к описанным тестовым наборам и порогу. Лицензия Apache-2.0 разрешает коммерческое использование. Модель оптимизирована для английской прозы длиной от 50 слов. README предупреждает о повышенном риске ложных срабатываний на простой речи изучающих английский и советует рассматривать оценку как свидетельство, а не доказательство, с участием человека при принятии решений. Рекомендуется делить длинные документы на небольшие фрагменты; заявленная в README длина фрагмента до 768 токенов превышает контекст 512 токенов из метаданных, поэтому при применении следует учитывать это расхождение.

AmberYifan/capsd-qwen3-numina-Qwen3-4B-Base-math_ppl_b2000_s0 — дообученная языковая модель на архитектуре Qwen3, разработанная на основе Qwen/Qwen3-4B-Base. По README, обучение проводилось на наборе capsd_Qwen3-4B-Base-n80000-numina__mix_math_ppl_b2000_s0; название набора указывает на математические данные, однако карточка не описывает конкретные навыки и результаты модели. Модель предназначена для генерации текста; каталог отмечает поддержку диалогового режима. Она содержит 3,7 млрд параметров, использует архитектуру Qwen3ForCausalLM и принимает контекст длиной до 32 768 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Карточка не приводит оценок качества, подробных ограничений или явно заявленных сценариев применения. Лицензия указана как other, без уточнения условий в предоставленных данных.

AmberYifan/capsd-qwen3-sciweb-stackexchange-Qwen3-4B-Base-science_random_b2000_s0 — дообученная плотная языковая модель семейства Qwen3, созданная на основе Qwen/Qwen3-4B-Base. В карточке указано дообучение на смеси данных sciweb и Stack Exchange с научными примерами; подробности о составе выборки и процедуре обучения не приведены. Модель предназначена для генерации текста и диалоговых сценариев. Она содержит 3,7 млрд параметров, использует архитектуру Qwen3ForCausalLM и поддерживает контекст до 32 768 токенов. Репозиторий использует Transformers и хранит веса в формате safetensors. Лицензия указана как «other», без уточнения условий, поэтому перед использованием следует проверить лицензионные сведения репозитория. README не содержит результатов оценки качества или конкретных ограничений модели.

Josephgflowers/Cinder-Phi-2-STEM-2.94B-Test — модифицированная версия Phi-2 с двумя дополнительными слоями. Автор описывает Cinder как чат-бота для научных и образовательных бесед, общения и творческого исследования идей. Модель относится к архитектуре PhiForCausalLM, имеет 3,7 млрд параметров и контекстное окно 2048 токенов; в репозитории представлены веса Safetensors и GGUF в формате F16. Модель предназначена для генерации текста в диалогах, в том числе для объяснения научных и учебных тем и свободного обсуждения идей. Указана лицензия MIT. README сообщает, что подробности появятся позже, поэтому конкретные STEM-навыки и качество ответов не описаны.

ConstructionSafetyQA-1.2B-V1 — дообученная на базе LiquidAI/LFM2-1.2B компактная языковая модель от yasserrmd, оптимизированная для ответов на вопросы по безопасности строительных работ. Она принимает текстовые инструкции и вопросы и формулирует короткие практические ответы для рабочих и руководителей площадок: по обучению безопасности, предотвращению опасностей и правилам работы на стройке. Модель имеет плотную архитектуру LFM2 с 1,5 млрд параметров, поддерживает контекст до 32 768 токенов и настроена на диалоговое следование инструкциям. Модель подходит для кратких консультаций на площадке, вводных инструктажей и повторения правил безопасности. Она даёт общие рекомендации, не учитывает местные нормы и требования законодательства, а её лаконичные ответы не являются техническими справочниками. Критически важные решения следует проверять с участием специалиста; модель не заменяет сертифицированное обучение и официальные правила. Лицензия в предоставленных данных не указана.

Youlln/ECE-Qwen0.5B-FT-V2 — компактная языковая модель, разработанная Youri Lalain из инженерной школы ECE. Она основана на Qwen/Qwen2.5-0.5B-Instruct и дообучена на наборе Augmentation-Scaling-Laws/math-seed-data для решения математических задач и рассуждений. Модель использует плотную архитектуру Qwen2ForCausalLM, содержит 494 млн параметров и поддерживает контекст до 32 768 токенов. Она принимает текстовые запросы и генерирует текстовые ответы. Модель предназначена для помощи с математическими задачами, вычислениями и объяснением решений. Карточка сообщает результаты оценки на Open LLM Leaderboard, но не приводит подробностей о точности на конкретных математических тестах. Доступна по лицензии Apache-2.0.

Fasih-TTS-V1 — модель синтеза речи на современном литературном арабском языке (фусха), разработанная Yahya Elnawasany (NightPrince) на основе Coqui XTTS-v2. Она озвучивает текст профессиональным мужским голосом в стиле новостного диктора; модель рассчитана на одного говорящего и предназначена для чтения религиозных и образовательных материалов на арабском языке, подготовленных или проверенных специалистом. Модель содержит около 466,9 млн параметров: дообучена GPT-часть XTTS-v2, а декодер HiFi-GAN и DVAE оставлены без изменений. Она генерирует аудио с частотой 24 кГц, поддерживает потоковую работу и поставляется с латентными параметрами голоса, поэтому для синтеза не требуется эталонная запись. Текстовый фронтенд может расставлять диакритические знаки, преобразовывать числа в слова, применять словарь религиозной терминологии и разбивать длинный текст на фрагменты. Автор сообщает о высокой разборчивости речи на тестах, но естественность голоса не является главным приоритетом модели. Для правильных грамматических окончаний предпочтителен текст с диакритическими знаками; автоматическая расстановка диакритики и согласование рода числительных могут ошибаться. Обучение проводилось примерно на 2,4 часах записей одного диктора, а исходное аудио ограничено качеством MP3 128 кбит/с. Модель не предназначена для чтения Корана с таджвидом, вынесения религиозных решений, имитации личности или распространения ложных высказываний. Условия распространения — Coqui Public Model License: некоммерческое использование с указанием авторства.

Genesis-4B-DEMO — экспериментальный LoRA-адаптер, созданный автором epsill0n на базе unsloth/Qwen3.5-4B. Модель предназначена для решения математических задач на македонском языке, в частности задач математических соревнований. Она использует плотную архитектуру Qwen3.5 и содержит около 3,4 млрд параметров в базовой модели; адаптер обучен в формате bf16 на 1 171 вручную проверенной паре «задача—решение» по алгебре, теории чисел, комбинаторике и арифметике. Для работы адаптер необходимо подключить к базовой модели. В README сообщается о результате 57,75% Pass@1 на македонской версии GSM8K для чекпойнта после третьей эпохи; после десяти эпох показатель снизился до 44,92%. На семи общих языковых тестах македонские способности остались на уровне базовой модели. Ограничения включают снижение качества при чрезмерном дообучении и отсутствие геометрических задач, требующих восстановления чертежей, в обучающей выборке. В README для обучения указана максимальная длина последовательности 1024 токена. Лицензия Apache-2.0.

Geometric-Shapes-Classification — модель PrithivMLmods для классификации изображений с геометрическими фигурами. Она дообучена на базе google/siglip2-base-patch16-224 и использует архитектуру SiglipForImageClassification. Модель относит изображение к одному из восьми классов: круг, воздушный змей, параллелограмм, прямоугольник, ромб, квадрат, трапеция или треугольник. Модель предназначена для распознавания базовых геометрических фигур в учебных материалах, схемах и других изображениях. Её можно применять в обучающих инструментах, проектах компьютерного зрения и вспомогательных приложениях. Репозиторий содержит веса в формате safetensors; модель запускается через Transformers. Лицензия — Apache-2.0.

Модель lgaalves/gpt2-xl_camel-ai-physics разработана Luiz G A Alves и представляет собой авторегрессионную языковую модель на архитектуре GPT-2 XL с примерно 1,5 млрд параметров. Она дообучена в формате инструкций на датасете, созданном GPT-4 и посвящённом физике; модель принимает текст и генерирует продолжение на английском языке. Указанная длина контекста — 1024 токена. Модель предназначена для генерации текста и ответов на вопросы по физике, а также может служить основой для дальнейшего дообучения. В приведённых тестах её результаты немного ниже результатов базовой GPT-2 XL. Модель недостаточно тщательно проверена и может выдавать неверные сведения; обучающие данные включают неотфильтрованный интернет-контент и могут содержать предвзятости. Лицензия — MIT.

HeroBophades-2x7B — экспериментальная языковая модель семейства Mixtral, созданная nbeerbower с помощью mergekit путём объединения двух моделей: nbeerbower/bophades-mistral-truthy-DPO-7B и nbeerbower/bophades-mistral-math-DPO-7B. Это модель типа Mixture of Experts с архитектурой MixtralForCausalLM; объём параметров — 7,1 млрд, нативная длина контекста — 32 768 токенов. Репозиторий содержит веса safetensors для Transformers. Модель предназначена для генерации текста в формате диалога с помощником, в том числе для математических вопросов и ответов. В описании сборки заданы экспертные модели для ответов помощника и решения систем квадратных уравнений; сведения подтверждают математическую направленность, но не содержат оценок качества или подробных результатов проверки. Лицензия — Apache-2.0.

Kjio — образовательный разговорный помощник, разработанный Synaptom. Модель основана на GPT-2 и содержит около 109 млн параметров; в карточке указана архитектура GPT2LMHeadModel с 10 слоями, размером скрытого представления 768 и 12 головами внимания. Она предназначена для ответов на вопросы, помощи с домашними заданиями и учебного наставничества на английском языке. Модель принимает текст и генерирует текст, а её контекст составляет 512 токенов. Модель обучалась на 45 000 примерах; в репозитории доступны веса Safetensors и GGUF, включая варианты квантования Q4_K_M и Q5_K_M, а также F16. Небольшой размер позволяет запускать её локально, в том числе через llama.cpp. Kjio может ошибаться и не подходит для критически важных решений. Лицензия — Apache-2.0.

RedHatAI/Llama-2-7b-gsm8k — плотная авторегрессионная модель семейства Llama 2 на 6,6 млрд параметров, дообученная Neural Magic и Cerebras на наборе GSM8K для арифметических рассуждений. Она предназначена для генерации текста с решениями математических задач, в том числе задач начальной математики в формате GSM8K. Модель принимает текст и генерирует текст; в метаданных указано окно контекста 4096 токенов, формат весов — PyTorch, основной язык карточки — английский. В карточке приведён результат 35,5% на GSM8K в режиме zero-shot. Базовая модель — meta-llama/Llama-2-7b-hf. Лицензия в предоставленных данных не указана.

yanggangu/Llama-3.1-8B-Instruct-FT-ScienceQA — дообученная диалоговая языковая модель на архитектуре Llama 3.1, представленная как эксперт ScienceQA в работе SMAT (Simple and Efficient Merge-Aware Training). Она предназначена для генерации текста и ответов в диалоговом формате; карточка связывает её с сохранением качества на задаче при улучшении возможностей слияния моделей. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст, а её базовая модель поддерживает контекст до 131 072 токенов. Модель основана на meta-llama/Llama-3.1-8B-Instruct и распространяется в формате safetensors. Для использования действуют лицензия Llama 3.1 и политика допустимого использования Meta. Карточка не приводит отдельной оценки качества ScienceQA или подробных ограничений.

Это диалоговая языковая модель Congo Digital Services (CDS SARL), созданная для проекта MALOBA совместно с ПРООН в Республике Конго. Она основана на Meta Llama 3.1 8B Instruct: к базовым весам применили supervised fine-tuning с QLoRA, затем объединили адаптеры с моделью. Число параметров — 7,5 млрд, архитектура — плотная LlamaForCausalLM; модель рассчитана на контекст до 131 072 токенов и распространяется в формате safetensors под лицензией Llama 3.1. Модель генерирует текст на лингала в пяти регистрах: городском, образовательном, для резюме, формальном и переводном. Её можно использовать для диалога и создания текстов на лингала через Transformers или совместимый сервер инференса; проект MALOBA обслуживает её под именем maloba-llm. Обучение на корпусе MALOBA повысило ROUGE-L на отложенном наборе инструкционных примеров относительно базовой модели. Модель выучила пять меток регистров, а не следование разнообразным инструкциям, поэтому ответы с заданным регистром могут быть не по теме. Качество перевода с французского на лингала низкое; для этой задачи проект рекомендует отдельную модель NLLB-200. Орфография в обучающих данных не гармонизирована, региональные варианты и специализированные области не оценивались. Для применения с последствиями для людей требуется проверка человеком.

LLAMA3-3B-Medical-COT — модель Alpha AI, дообученная на основе LLAMA-3.2-3B-Instruct для решения медицинских задач и пошагового рассуждения. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM; она принимает текстовые запросы и генерирует текстовые ответы в диалоговом формате. В метаданных указаны 1,2 млрд параметров, контекст до 131 072 токенов и английский язык. README описывает обучение на открытых медицинских задачах и экзаменационных вопросах с проверяемыми ответами, а также варианты GGUF с квантованием и точностью 16 бит для локального запуска. Модель предназначена для учебных объяснений медицинских вопросов, разбора клинических случаев и поддержки структурированного рассуждения в медицинских и исследовательских инструментах. Она может формировать последовательные объяснения и вести диалог, однако ответы могут содержать ошибки и смещения данных; модель не заменяет профессиональную медицинскую консультацию и требует проверки специалистом перед практическим применением. Лицензия — Apache-2.0.

Llama3-stanford-encyclopedia-philosophy-QA — дообученная разработчиком ruggsea диалоговая языковая модель на базе Meta Llama 3 8B Instruct. Она предназначена для ответов на философские вопросы в формальном, но доступном тоне, с ориентацией на корректные и строгие объяснения. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и принимает текст, генерируя текст. В метаданных указан контекст до 8192 токенов; модель ориентирована на английский язык. Веса опубликованы в формате safetensors, лицензия указана как other.

MathBERT — англоязычная модель семейства BERT, разработанная для работы с математическими текстами. Она содержит 136,7 млн параметров и обучена на корпусе примерно из 100 млн токенов: от школьных учебных программ до университетских учебников и аннотаций математических статей. Модель без учёта регистра, использует архитектуру BertForMaskedLM и принимает последовательности длиной до 512 токенов. Модель предсказывает замаскированные слова и может применяться для извлечения признаков и последующего дообучения на задачах классификации последовательностей и токенов, а также ответов на вопросы по математическим текстам. Она предназначена прежде всего для математических текстов; для генерации математического текста в карточке рекомендуются авторегрессионные модели. Условия лицензирования в предоставленных данных не описаны.

modrill/math-think-q8b-20260908 — дообученная модель семейства Qwen3, разработанная modrill для математических рассуждений. Это публичный 2-эпоховый чекпойнт, полученный из Qwen/Qwen3-8B-Base с помощью LoRA; в репозитории есть объединённые веса и адаптер. Архитектура — плотная авторегрессионная Qwen3ForCausalLM с 7,6 млрд параметров и контекстом 32 768 токенов. Модель предназначена для генерации пошаговых решений математических задач, в частности задач уровня AIME. В описанной оценке на наборе Exact-240 она решила 53 задачи из 240; тот же базовый чекпойнт набрал 21. Модель выдаёт текст и работает в режиме рассуждений; карточка подчёркивает, что её следует оценивать по результату решения, а не использовать как универсального чат-бота. Для загрузки указаны Transformers и формат safetensors. Лицензия — Apache-2.0.

Meerkat-7B-v1.0 — медицинская диалоговая языковая модель dmis-lab, дообученная на базе Mistral-7B-v0.1. Это плотная модель с 7,1 млрд параметров и контекстом до 32 768 токенов; она принимает текстовые инструкции и генерирует текстовые ответы. Модель предназначена для решения экзаменационных вопросов в стиле USMLE, анализа клинических случаев и ответов на медицинские запросы. По README, при обучении использовались синтетические цепочки рассуждений на основе 18 медицинских учебников и набор инструкций AlpaCare; авторы сообщают о результатах выше проходного порога USMLE среди моделей с 7 млрд параметров. Для воспроизведения оценок на медицинских тестах в запросе требуется формат с метками USER и ASSISTANT, а также рекомендованные авторами системные сообщения. Модель может быть полезна для обучения и исследовательской поддержки, но её ответы не следует считать медицинским диагнозом или заменой специалиста. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

MegaMath-Llama-3.2-1B — экспериментальная модель на базе Llama 3.2 с 1,2 млрд параметров, обученная на наборе MegaMath. Она предназначена для генерации ответов на математические задачи с использованием Chain-of-Thought и Program-Aided Language: модель может рассуждать пошагово и задействовать программный подход к решению. В метаданных указаны архитектура LlamaForCausalLM, библиотека Transformers, контекст до 131 072 токенов и английский язык. Модель представлена как proof of concept, поэтому её следует рассматривать как демонстрацию подхода, а не как подтверждённо надёжное решение для расчётов. Репозиторий содержит веса в формате safetensors; лицензия — llama3.2.

MELT-llama-2-3x70b-chat-hf — языковая модель Medical Education Language Transformer, разработанная Center for Applied AI и дообученная на общедоступных медицинских данных. Это генеративная модель архитектуры Mixtral с MoE; в метаданных указан размер 68,7 млрд параметров, длина контекста — 2048 токенов. Модель принимает текст и генерирует текст, а карточка указывает английский как поддерживаемый язык. Модель предназначена для ответов в формате вопросов и ответов или чата по медицинским темам, включая подготовку к медицинским экзаменам. В карточке сообщается о результатах на тестах USMLE, AIIMS и NEET, однако они не гарантируют точность ответов в других сценариях. Лицензия — Apache 2.0.